基于Hadoop的超市商品关联及商品推荐研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 本文的研究内容及结构 | 第11-13页 |
| 2 Hadoop的相关技术 | 第13-21页 |
| 2.1 Hadoop | 第13-17页 |
| 2.1.1 HDFS | 第14-15页 |
| 2.1.2 Mapreduce | 第15-17页 |
| 2.2 Hive | 第17-19页 |
| 2.3 Sqoop | 第19页 |
| 2.4 ETL过程 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于关联规则算法的商品摆放 | 第21-32页 |
| 3.1 商品摆放现状 | 第21-22页 |
| 3.2 关联规则 | 第22-23页 |
| 3.3 关联规则算法及并行化 | 第23-29页 |
| 3.4 基于利润和关联规则的商品关联 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于内容算法推荐商品 | 第32-38页 |
| 4.1 商品推荐现状 | 第32页 |
| 4.2 基于Hadoop的商品推荐设计 | 第32-34页 |
| 4.3 内容推荐算法 | 第34-36页 |
| 4.4 分布式内容推荐 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 5 实验与分析 | 第38-50页 |
| 5.1 环境搭建 | 第38-42页 |
| 5.1.1 Hadoop搭建和Hive配置 | 第38-39页 |
| 5.1.2 数据的导入和预处理 | 第39-42页 |
| 5.2 商品关联的实现结果 | 第42-44页 |
| 5.3 商品推荐的实现结果 | 第44-46页 |
| 5.4 与传统数据库的对比 | 第46-49页 |
| 5.5 本章小节 | 第49-50页 |
| 6 总结与展望 | 第50-51页 |
| 6.1 本文工作总结 | 第50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间的研究成果 | 第54页 |
